Explore las 15 bibliotecas de Python más populares
1 TensorFlow (Colaboradores: 1757, Contribuciones: 25756, Estrellas: 116765)
"TensorFlow es una biblioteca de software de código abierto que utiliza gráficos de flujo de datos para el cálculo numérico. Los nodos del gráfico representan matemáticas operaciones, mientras que los bordes del gráfico representan matrices de datos multidimensionales (tensores) que fluyen entre ellos. Esta arquitectura flexible permite a los usuarios implementar computación en una o más CPU/GPU en computadoras de escritorio, servidores o dispositivos móviles. p>
Dirección de GitHub:
/tensorflow/tensorflow
2 pandas (colaborador: 1360, contribución: 18441, calificación de estrellas: 17388)
" pandas es un paquete de Python para estructuras de datos rápidas, flexibles y expresivas diseñadas para hacer que trabajar con datos "relacionales" o "etiquetados" sea simple e intuitivo. Diseñado para ser los componentes básicos de alto nivel para el análisis de datos prácticos del mundo real. Pitón".
Dirección de GitHub:
/pandas-dev/pandas
3 scikit-learn (Colaborador: 1218, Colaborador: 23509, Estrellas: 32326)
" scikit-learn es un módulo Python de aprendizaje automático basado en NumPy, SciPy y matplotlib. Proporciona herramientas simples y efectivas para la extracción y el análisis de datos. SKLearn está abierto a todos y se puede reutilizar en varios entornos. NumPy)
Redes neuronales profundas construidas con un sistema de programación automatizado basado en cintas
Puedes reutilizar tus paquetes de Python favoritos como NumPy, SciPy y Cython para ampliar PyTorch según sea necesario.
Dirección de GitHub:
/pytorch/pytorch
5 Matplotlib (Colaboradores: 778 Colaboradores: 28094, Estrellas: 8362)
"Matplotlib es un Python Biblioteca de trazado 2D que genera datos en una variedad de formatos impresos con calidad de publicación y entornos interactivos multiplataforma. Matplotlib se puede utilizar en scripts de Python, shells de Python e IPython (como MATLAB o Mathematica), en servidores de aplicaciones web y en varios usuarios gráficos. kits de herramientas de interfaz".
Dirección de GitHub:
/matplotlib/matplotlib
6 Keras (Colaborador: 856, Colaborador: 4936, Calificación de estrellas: 36450)
"Keras es una API de red neuronal de alto nivel escrita en Python y puede ejecutarse en TensorFlow, CNTK o Theano. Está diseñada para permitir una experimentación rápida y la capacidad de convertir ideas en resultados con una latencia mínima, lo cual es clave para realizar investigaciones ".
Dirección de GitHub:
/keras-team/keras
7 NumPy (colaborador: 714, contribución: 19399, calificación de estrellas: 9010)
"NumPy es el primer y más completo programa de computación científica que utiliza Python. Python es el paquete de software básico necesario para la computación científica.
Proporciona potentes objetos de matriz N-dimensionales, funciones complejas (difusión), herramientas para integrar código C/C y Fortran, y funciones prácticas de álgebra lineal, transformada de Fourier y números aleatorios.
Dirección de GitHub:
/numpy/numpy
8 SciPy (colaboradores: 676, contribuciones: 20180, estrellas: 5188)
"SciPy (pronunciado "Sigh Pie") es un software de código abierto para matemáticas, ciencias e ingeniería, que incluye módulos para estadística, optimización, integración, álgebra lineal, transformada de Fourier, procesamiento de señales e imágenes, solucionador de ODE, etc.
Dirección de GitHub:
/scipy/scipy
9 Apache MXNet (colaborador: 653, contribución: 9060, calificación de estrellas: 15812)
"Apache MXNet (Incubación) es un marco de aprendizaje profundo diseñado para brindar eficiencia y flexibilidad, que le permite combinar programación simbólica e imperativa para maximizar la eficiencia y la productividad. En esencia, MXNet es un programador de dependencias dinámico que paraleliza de forma dinámica y automática operaciones simbólicas e imperativas.
Dirección de GitHub:
/apache/incubator-mxnet
10 Theano (colaboradores: 333, contribuciones: 28060, estrellas: 8614)
" Theano es una biblioteca de Python que le permite definir, optimizar y evaluar de manera eficiente expresiones matemáticas que involucran matrices multidimensionales. Puede usar GPU e implementar una diferenciación simbólica eficiente".
Dirección de GitHub:
/Theano/Theano
11 Bokeh (Colaboradores: 334, Contribuciones: 17395, Estrellas: 8649)
"Bokeh es una biblioteca de visualización interactiva para Python. La biblioteca de visualización interactiva permite presentaciones de visualización de datos hermosas y significativas en navegadores web modernos. Con Bokeh, puede crear rápida y fácilmente gráficos, paneles y aplicaciones de datos interactivos".
Dirección de GitHub:
/bokeh/bokeh
12 XGBoost (colaborador: 335, contribución: 3557, calificación de estrellas: 14389)
"XGBoost es una biblioteca de aumento de gradiente distribuida optimizada diseñada para ser eficiente, potente, flexible y portátil. Implementa algoritmos de aprendizaje automático en un marco de aumento de gradiente. XGBoost proporciona árboles de decisión de aumento de gradiente (también conocidos como GBDT, GBM) que pueden resolver muchos datos problemas científicos de forma rápida y precisa, ejecute el mismo código en los principales entornos distribuidos (Hadoop, SGE, MPI) y resuelva miles de millones de problemas adicionales "
"XGBoost es una biblioteca optimizada de aumento de gradiente distribuido diseñada para ser eficiente, potente, flexible y portátil.
Dirección de GitHub:
/dmlc/xgboost
13 Gensim (Colaboradores: 301, Contribuciones: 3687, Estrellas: 8295)
"Gensim es una aplicación dirigida a las comunidades de procesamiento del lenguaje natural (NLP) y recuperación de información (IR), modelado de temas, indexación de documentos y recuperación de similitudes para grandes corpus".
Dirección de GitHub :
/RaRe-Technologies/gensim
14 Scrapy (Colaboradores: 297, Contribuciones: 6808, Estrellas: 30507)
" Scrapy es un software rápido y avanzado Marco de rastreo web y raspado web para rastrear sitios web y extraer la estructura de los datos de sus páginas. Se puede utilizar para todo, desde extracción de datos hasta monitoreo y pruebas automatizadas".
Dirección de GitHub:
/scrapy/scrapy
15 Caffe (colaboradores: 270, contribuciones: 4152, estrellas: 26531)
"Caffe es un marco de aprendizaje profundo basado en expresión, velocidad y modularidad, desarrollado por el Centro de Investigación de Inteligencia Artificial de Berkeley (BAIR)/Centro de Visión y Aprendizaje de Berkeley (BVLC) y colaboradores de la comunidad".
Dirección de GitHub :
/BVLC/caffe
Las anteriores son las 15 bibliotecas más populares en 2018. ¡Me pregunto si serán de tu agrado! ¡Espero que las bibliotecas enumeradas en este artículo le sean útiles!